用于机器阅读理解的双向认知思考网络
计算与语言
2020-10-21 v1
摘要
我们从互补学习系统理论视角提出一种新颖的双向认知知识框架（BCKF）用于阅读 comprehension。其旨在模拟大脑中两种思维方式以回答问题，包括逆向思维与惯性思维。为验证框架有效性，我们设计了相应的双向认知思考网络（BCTN）来编码篇章并在给定答案（问题）时生成问题（答案），并解耦双向知识。该模型具备逆向推理问题的能力，可辅助惯性思维生成更准确的答案。在 DuReader 数据集上观察到有竞争力的提升，证实了双向知识有助于 QA 任务的假设。该新颖框架为机器阅读理解与认知科学提供了有趣的视角。
引用
@article{arxiv.2010.10286,
title = {Bi-directional Cognitive Thinking Network for Machine Reading Comprehension},
author = {Wei Peng and Yue Hu and Luxi Xing and Yuqiang Xie and Jing Yu and Yajing Sun and Xiangpeng Wei},
journal= {arXiv preprint arXiv:2010.10286},
year = {2020}
}
备注
Accepted to COLING 2020